随着管道服役时间的增长,管网复杂性的增加,管道泄漏时刻威胁着管网的安全运行。管道发生泄漏后,迅速识别泄漏工况并定位泄漏点是解决问题的关键。特别是近年来“智慧管道”的建设成为我国管道发展的新趋势,与“智慧管道”相契合的网络化、数字化、自动化的泄漏检测手段成为油气储运专业人员的研究重点。本文以输油管道泄漏产生的负压波为研究对象,在利用室内实验环道采集不同工况压力信号的基础上,采用改进的经验模态分解（改进的CEEMDAN）和盲源分离融合算法对压力信号进行去噪预处理。针对去噪后的压力信号,提出基于熵方法的特征提取,建立了能量熵-峭度熵-排列熵三维特征空间,根据此特征空间利用支持向量机（SVM）建立了管道泄漏工况的检测模型,并对泄漏点定位进行研究。研究结果表明:对实验环道采集的不同工况下压力异常波动的成因分析说明了不同管输工况的压力信号具有可分性。在管道泄漏信号的去噪预处理阶段,通过极值延拓和添加正负成对自适应白噪声改进的经验模态分解在信号分解方面具有良好的效果,不仅克服了端点效应和模态混叠现象,也减少了迭代次数;利用改进的CEEMDAN与盲源分离融合算法对采集的压力信号进行去噪预处理,在一定程度上补偿了信号的幅值,提高了信噪比。在管道泄漏信号的特征提取阶段,首次仿照能量熵提出了峭度熵的概念,分析了能量、能量熵、峭度、峭度熵、排列熵对实验环道不同工况的分类效果,选择了分类效果较好的能量熵、峭度熵、排列熵建立三维特征空间,利用现场管道不同工况的压力信号验证三维特征空间具有较好的表征效果和普适性。在管道泄漏工况的智能识别阶段,为适应管道泄漏工况样本数量少的特点,引入支持向量机进行分类,并且利用布谷鸟融合粒子群算法优化其参数选择,根据信号的三维特征空间建立二叉树多分类支持向量机模型,通过分别对实验环道和现场管道不同工况的压力信号进行分类说明此模型的实际应用效果。在泄漏点定位阶段,基于三个传感器的泄漏点定位与基于两个传感器的泄漏点定位相比,能够避免负压波波速的计算,具有计算量小,误差小的优点;利用实验环道多个传感器的压力信号依据三传感器定位原理对泄漏点进行定位研究,经过分析,先通过相关算法进行粗略时延估计,再利用自适应算法进行精确时延估计,提高了定位精度。